基于双层优化的自监督 AI 生成人脸检测
计算机视觉与模式识别
2025-07-31 v1
摘要
通过监督学习训练的 AI 生成人脸检测器通常依赖特定生成器的合成图像，限制了其对新兴生成技术的泛化能力。为克服这一限制，我们引入一种基于双层优化的自监督方法。在内层循环中，我们仅使用摄影人脸图像对视觉编码器进行预训练，采用一组线性加权的预文本任务：分类离散的 EXIF 标签、排序有序的 EXIF 标签以及检测人工人脸操纵。外层循环随后优化这些预文本任务的相对权重，以增强对被操纵人脸的粗糙检测，这些被操纵人脸可作为识别 AI 生成人脸的代理任务。在此过程中，自监督学习更贴近 AI 生成人脸检测的最终目标。预训练完成后，编码器保持固定，AI 生成人脸要么基于拟合摄影人脸特征的高斯混合模型检测为异常，要么由轻量级双层感知机作为二分类器检测。大量实验表明，我们的检测器在单类和二分类设置中均显著优于现有方法，在面对未见生成器时表现出强大的泛化能力。
引用
@article{arxiv.2507.22824,
title = {Bi-Level Optimization for Self-Supervised AI-Generated Face Detection},
author = {Mian Zou and Nan Zhong and Baosheng Yu and Yibing Zhan and Kede Ma},
journal= {arXiv preprint arXiv:2507.22824},
year = {2025}
}